一份详实的数据科学指南
发布时间：2021-05-22 21:32:43 所属栏目：大数据 来源：互联网
导读：如何计划学习？哪些主题应该首先涉及？ 让我来解释一下100天学习数据科学的计划。下面是使用Python学习数据科学的逐日计划，该计划跨度为100天，每天至少需要花费一个小时 第一天：安装工具 只要确保安装了所需的工具，并且您对接下来几周/几个月将要使用的
|
如何计划学习？哪些主题应该首先涉及？
让我来解释一下100天学习数据科学的计划。下面是使用Python学习数据科学的逐日计划，该计划跨度为100天，每天至少需要花费一个小时
第一天：安装工具
只要确保安装了所需的工具，并且您对接下来几周/几个月将要使用的工具感到舒适即可。如果选择Python则安装Anaconda，其中还会安装IDEs Jupyter笔记本和Spyder。如果你选择' R '，然后安装RStudio。试着在IDE中玩一玩，并熟练地使用它。比如，尝试理解包/库的安装、执行部分代码、清理内存等等。
第2天到第7天：数据科学的基础编程
下一步是学习基本的编程，下面是一些应该学习的主题：
创建变量
字符串数据类型和通常在字符串数据类型上执行的操作
数值数据类型、布尔值和运算符
集合数据类型列表、元组、集合和字典——理解它们之间的唯一性和差异非常重要。
If-Then-Else条件，For循环和While循环实现
函数和Lambda函数-它们各自的优点和区别
第8天到第17天: Pandas 库
了解 Pandas 库，在 Pandas 中需要了解的一些主题是：
创建数据帧，从文件读取数据，并将数据帧写入文件
从数据框架中索引和选择数据
迭代和排序
聚合和分组
缺失值和缺失值的处理
Pandas 的重命名和替换
在数据帧中连接、合并和连接
总结分析，交叉表格，和枢轴
数据，分类和稀疏数据
花10天时间彻底学习以上主题，因为这些主题在执行探索性数据分析时非常有用。在介绍这些主题时，请尝试深入粒度细节，比如理解合并和连接、交叉表和枢轴之间的差异，这样不仅可以了解它们中的每一个，还可以知道在何时和何处使用它们。
我为什么要学 Pandas？如果您从事任何数据科学项目，它们总是从探索性数据分析开始，以便更好地理解数据，而您在 Pandas 中介绍的这些主题将会派上用场。另外，因为Pandas有助于从不同的来源和格式读取数据，所以它们速度快、效率高，还提供了对数据集执行各种操作的简单功能。
第18天到第22天：Numpy Library
学会 Pandas 之后，下一个需要学习的重要库是Numpy。学习Numpy的原因是与List相比它们非常快。在Numpy中要涉及的主题包括：
数组的创建
索引和切片
数据类型
连接与分离
搜索和排序
过滤所需的数据元素
为什么学习Numpy很重要?Numpy能够以快速和高效的方式对数据执行科学操作。它支持机器学习算法中常用的高效矩阵运算，panda库也广泛使用了Numpy。
第23天到第25天:可视化
现在，我们需要花一些时间来理解和使用一些关键的可视化库，比如ggplot、Plotly和Seaborn。使用示例数据集并尝试不同的可视化，如柱状图、线形/趋势图、盒状图、散点图、热图、饼状图、柱状图、气泡图和其他有趣的或交互式可视化。
 （编辑：常州站长网） 【声明】本站内容均来自网络，其相关言论仅代表作者个人观点，不代表本站立场。若无意侵犯到您的权利，请及时与联系站长删除相关内容! |
